maxframe.tensor.random.randn#

maxframe.tensor.random.randn(*dn, **kw)[源代码]#

从“标准正态”分布返回一个（或多个）样本。

如果提供了正数、int_like 或可转换为 int 的参数，randn 会生成一个形状为 (d0, d1, ..., dn) 的数组，其中填充了从均值为 0、方差为 1 的单变量“正态”（高斯）分布中抽取的随机浮点数（如果 \(d_i\) 中有任何一个是浮点数，则首先通过截断将其转换为整数）。如果没有提供参数，则返回一个从该分布中随机抽取的浮点数。

这是一个便捷函数。如果您希望使用以元组作为第一个参数的接口，请改用 numpy.random.standard_normal。

参数:

  • d0 (int, optional) -- 返回张量的维度，应均为正数。如果没有提供参数，则返回一个 Python 浮点数。

  • d1 (int, optional) -- 返回张量的维度，应均为正数。如果没有提供参数，则返回一个 Python 浮点数。

  • ... (int, optional) -- 返回张量的维度，应均为正数。如果没有提供参数，则返回一个 Python 浮点数。

  • dn (int, optional) -- 返回张量的维度，应均为正数。如果没有提供参数，则返回一个 Python 浮点数。

返回:

Z —— 来自标准正态分布的 (d0, d1, ..., dn) 形状的浮点数样本数组，如果未提供参数则为单个这样的浮点数。

返回类型:

Tensor or float

参见

random.standard_normal

类似，但以元组作为参数。

备注

要从 \(N(\mu, \sigma^2)\) 中获取随机样本，请使用：

sigma * mt.random.randn(...) + mu

示例

>>> import maxframe.tensor as mt

>>> mt.random.randn().execute()
2.1923875335537315 #random

来自 N(3, 6.25) 的 2x4 张量样本：

>>> (2.5 * mt.random.randn(2, 4) + 3).execute()
array([[-4.49401501,  4.00950034, -1.81814867,  7.29718677],  #random
       [ 0.39924804,  4.68456316,  4.99394529,  4.84057254]]) #random